0
| 本文作者： 溫曉樺 | 2016-08-13 13:45 | 專題：CCF-GAIR | 全球人工智能與機(jī)器人峰會 |
美國麻省理工學(xué)院（MIT）一直是機(jī)器人科技研究的先驅(qū)，這個實(shí)驗(yàn)室曾研究出獵豹、Atlas等轟動世界的軍事機(jī)器人。那么，隨著DeepMind AlphaGo、Atlas等前沿人工智能技術(shù)的發(fā)展，機(jī)器人領(lǐng)域的研究會出現(xiàn)哪些新的趨勢呢？在CCF-GAIR全球人工智能與機(jī)器人峰會機(jī)器人專場上，MIT機(jī)器人實(shí)驗(yàn)室主任、IEEE、AAAI Fellow、美國國家工程院院士Daniela Rus就此作了報(bào)告演說，講述世界機(jī)器人領(lǐng)域十二大前沿技術(shù)趨勢：
也許大家覺得這張圖未來主義，但事實(shí)上我們一定程度上已經(jīng)實(shí)現(xiàn)了，機(jī)器人可以應(yīng)用于送包裹、清理環(huán)境、貨物整理、自動駕駛、生活輔助等等場景。此外，我們也已經(jīng)看到一些公司，他們已經(jīng)發(fā)明了兩種單臂協(xié)作的機(jī)器人，并應(yīng)用于生產(chǎn)。
這些例子告訴我們的是，機(jī)器人確實(shí)已經(jīng)從科幻轉(zhuǎn)為當(dāng)前的科學(xué)現(xiàn)實(shí)。我們能夠讓機(jī)器人更加有能力，更加的有智能。
值得一提的是，機(jī)器人領(lǐng)域也存在類似于“摩爾定律”這樣的顛覆性規(guī)律。包括制造工具、設(shè)計(jì)工具等領(lǐng)域，互聯(lián)網(wǎng)性能的顛覆速度每隔6年就會發(fā)生變化。同樣，工廠機(jī)器人的數(shù)量也是每隔5年就會翻一番。目前，我們暫時已經(jīng)驗(yàn)證了這一事實(shí)，而我相信未來這個顛覆的頻率會更高。
未來這個世界，每個人都有可能擁有機(jī)器人，機(jī)器人就像是在路上跑的汽車一樣常見，我把它稱之為“泛在機(jī)器人”的世界。
這些機(jī)器人將能夠與人類協(xié)作完成許多任務(wù)。當(dāng)然，現(xiàn)在我們還沒有到達(dá)這樣的階段，因?yàn)檫€有很多技術(shù)問題需要解決。比如機(jī)器人如何跟人互動，如何自我推理解決問題……以及，我們?nèi)绾慰焖?、低成本地制造新的機(jī)器人？
接下來，我跟大家分享一些技術(shù)的趨勢，這些都能夠幫助我們解決上述的問題。
之前的機(jī)器人都是鋼體的，但這樣的結(jié)構(gòu)并不能很好地適應(yīng)各種環(huán)境。軟體是指把機(jī)器人的結(jié)構(gòu)制造成柔軟靈活的，像人體結(jié)構(gòu)一樣。一般來說，軟體機(jī)器人的身體結(jié)構(gòu)利用軟硅膠制造的，增強(qiáng)其適應(yīng)性，能夠適應(yīng)不同的未知環(huán)境。
基于肌肉運(yùn)作的原理，我們發(fā)現(xiàn)這樣的構(gòu)造讓機(jī)器人更加敏捷，能過更快速地完成某些特定任務(wù)。除了軟硅膠，我們還可以用水或是空氣去驅(qū)動軟體的結(jié)構(gòu)。比如這個（放大版）機(jī)器人，它外形像一條蛇，而表面這些泡泡可以通過放大和縮小的動作來驅(qū)動機(jī)器人的活動。
我們可以看到，把機(jī)器人放到管道當(dāng)中時，它就可以自動去檢測周圍的環(huán)境，塑料型的適應(yīng)性是鋼體機(jī)器人不可比擬的。
同理，我們也可以去創(chuàng)造機(jī)器魚。如圖所示，它像實(shí)際的魚一樣可以活動，能夠90度的轉(zhuǎn)彎，可以快速地躲開捕獵者。全靠其軟體尾部，機(jī)器魚能夠在水中上下游動。
我們已經(jīng)看到了軟性機(jī)體的重要性，一本新的期刊《軟體機(jī)器人》期刊已經(jīng)出來兩年了。通過這本期刊我們知道，軟體機(jī)器人在機(jī)器人學(xué)科當(dāng)中的重要性排名最高，也就是說大家對軟體機(jī)器人的關(guān)注度是最高的。
除了軟體機(jī)器人，另外一個改善和提高機(jī)器人的技術(shù)是：靈活的抓取、搬運(yùn)操作。
鋼體的機(jī)器人只能夠看清楚物體的大小，瞄準(zhǔn)每一個指頭放在哪里才能抓取物體，但人不是這么操作的。我們要拿一個東西時，伸手、抓取以非常連續(xù)的動作完成，不需要思考大小還是運(yùn)用哪個手指。正因?yàn)橐獙κ种割^的位置的精準(zhǔn)要求，讓機(jī)器人抓起行為有了很大的局限性，它們沒有辦法應(yīng)對不規(guī)則的物體。
而軟性搬放就應(yīng)運(yùn)而生。因?yàn)椴恍枰屑?xì)地看這個物體放在哪個位置，也不會受到形狀的控制。比如，它可以抓取雞蛋、紙條。正因?yàn)檫@個機(jī)器人有非常柔性的結(jié)構(gòu)，它可以自由地應(yīng)對各種不確定因素。
我們還可以通過嵌入一些簡單的傳感器，來讓機(jī)器人擁有辨別實(shí)際物體的能力。當(dāng)然，這其中還不能百分百做到，某些場景中的識別正確率偏低。橫向或者是使用兩個指頭拿成功率會高些，因?yàn)闄M向抓取積累了更多的數(shù)據(jù)，知道怎么抓；而兩點(diǎn)抓取的信息就比較少了。
就算有軟體結(jié)構(gòu)，有的時候機(jī)器人也會失敗。為什么呢？如果機(jī)器人抓不住，它可以告訴人出現(xiàn)什么問題，但它不能。
通過觀察可以發(fā)現(xiàn)，機(jī)器人在執(zhí)行一個任務(wù)時，人類一點(diǎn)點(diǎn)干預(yù)也會完全改變它的計(jì)劃。如何提高人機(jī)協(xié)同互動性呢？如果機(jī)器人能過簡單說一句“幫幫我，我卡住了”，這也能解決問題，但目前它還辦不到。除此之外，如果機(jī)器人還可以自省，根據(jù)自己的數(shù)據(jù)計(jì)算出新的決策行動，從而避免這個故障。
因此我們希望賦予機(jī)器人這個能力。我們開發(fā)了一個程序規(guī)劃系統(tǒng)，機(jī)器人可以通過這個規(guī)劃系統(tǒng)思考自己的行動過程——卡住時可以想一想“為什么卡住，怎么樣可以擺脫這個障礙”，或者把這個想法和人類溝通——“請把桌子搬起來”。
所以想象一下，機(jī)器人必須要有溝通能力，非常清晰明確地與外界溝通。否則，它只能說“幫幫我”的話，人類過來還得檢查看一看它到底有什么問題，這樣效率就很低了。
我們知道，機(jī)器人也需要學(xué)習(xí)。但是，我們?nèi)祟悘某錾鹈刻炜梢越邮艽罅康臄?shù)據(jù)，從而進(jìn)行學(xué)習(xí)，而對于機(jī)器人來說，數(shù)據(jù)儲存就容易內(nèi)存不足。一輛自動駕駛汽車一個小時就有1TB的數(shù)據(jù)，很難分析。所以，我們需要把抽象度提高，使得收集的數(shù)據(jù)能夠達(dá)到較高階的程度，降低儲存壓力和計(jì)算量。
舉個例子，左邊是一個GPS的數(shù)據(jù)流，如果對于這個GPS的數(shù)據(jù)流我們能夠建立起有意義的結(jié)構(gòu)，就能過從中歸納出一些能提取的信息，然后做高階的推理。比如自動駕駛到了某一個位置，就知道要執(zhí)行什么任務(wù)。
從數(shù)據(jù)流當(dāng)中提取數(shù)據(jù)，進(jìn)行抽象處理，并歸納出有意義的信息——這是接下來要分享的核心級技術(shù)——通過一個算法，在大數(shù)據(jù)當(dāng)中分析一些小的數(shù)據(jù)集，這些小型數(shù)據(jù)集能夠反映出整個數(shù)據(jù)運(yùn)算結(jié)果。
同樣一個例子：我們利用Coresete的方法，通過對視頻的分析得出數(shù)據(jù)集數(shù)，然后把不同的色彩進(jìn)行集中，從中可以用分析出更多更復(fù)雜的視頻。電影畫面里面16500幀，我們只需要用1152個Coresete數(shù)據(jù)點(diǎn)就可以展開分析。
只有一個機(jī)器人時，能夠完成的任務(wù)有限，我們需要許多個機(jī)器人組成一個自動化系統(tǒng)。所以，第五個趨勢就是多機(jī)器人系統(tǒng)。
當(dāng)幾個機(jī)器人組合到一起時，每個機(jī)器人都有各自負(fù)責(zé)的工作。當(dāng)然了，假如現(xiàn)在在建一座小木屋，其中會有一個機(jī)器人負(fù)責(zé)搬零件，而另外的機(jī)器人會負(fù)責(zé)其他的工作。所以，我們可以看到這四個機(jī)器人在協(xié)作。
機(jī)器人必須要能夠互相的交流、協(xié)調(diào)，才能夠知道要在什么時候配合同伴執(zhí)行任務(wù)。這是個挑戰(zhàn)。它們需要了解自己的任務(wù)，又要知道整個集體任務(wù)的情況。
按需制造
我們的目標(biāo)是，讓一個機(jī)器人可以通過3D打印機(jī)直接打印出來，但是這不是一般的外殼打印，在3D打印機(jī)當(dāng)中要有驅(qū)動機(jī)制，我們可以看到里面的電子結(jié)構(gòu)。這里其實(shí)是一個非常復(fù)雜的機(jī)制。
AIR 046 | MIT機(jī)器人實(shí)驗(yàn)室主任：機(jī)器人的12項(xiàng)前沿技術(shù)趨勢（下）
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
專題
